如何在Android设备上使用Python获取麦克风音频输入

核心前提配置 #

90%的音频采集失败都是配置漏项导致的，不管用哪种采集方案先把基础配置改对：

• 修改buildozer.spec打包配置文件：
  • 在requirements项添加依赖：python3, kivy, speechrecognition, plyer, pyjnius
  • 在android.permissions项添加录音权限：RECORD_AUDIO
  • 将android.minapi设为21，android.api设为33，适配绝大多数在售安卓设备
• 代码启动时先动态申请录音权限（安卓6.0以上危险权限不能仅靠Manifest静态声明）：

from plyer import permission
# 用户授权完成后再执行录音逻辑
permission.request_permission("android.permission.RECORD_AUDIO")

注：PyAudio不兼容安卓的核心原因是其依赖的PortAudio库没有适配安卓音频驱动的官方编译版本，不用反复尝试打包PyAudio，必然报错。

方案1：通过PyJNIus调用安卓原生AudioRecord（最稳定，无额外依赖） #

直接调用安卓系统自带的音频采集API，不存在兼容问题，只需要封装成SpeechRecognition支持的音频源格式即可：

1. 封装原生音频采集类，输出SpeechRecognition要求的16kHz、16位、单声道PCM格式数据
2. 将封装好的类作为自定义音频源传入SpeechRecognition的识别逻辑
   核心代码示例：

from jnius import autoclass
import speech_recognition as sr
from threading import Thread

# 导入安卓原生类
AudioRecord = autoclass("android.media.AudioRecord")
MediaRecorder = autoclass("android.media.MediaRecorder$AudioSource")
AudioFormat = autoclass("android.media.AudioFormat")

class AndroidMicrophone:
    def __init__(self, sample_rate=16000, chunk_size=1024):
        self.sample_rate = sample_rate
        self.chunk_size = chunk_size
        self.channel_config = AudioFormat.CHANNEL_IN_MONO
        self.audio_format = AudioFormat.ENCODING_PCM_16BIT
        self.buffer_size = AudioRecord.getMinBufferSize(
            sample_rate, self.channel_config, self.audio_format
        )
        self.recorder = None

    def __enter__(self):
        self.recorder = AudioRecord(
            MediaRecorder.MIC,
            self.sample_rate,
            self.channel_config,
            self.audio_format,
            max(self.buffer_size, self.chunk_size*2)
        )
        self.recorder.startRecording()
        return self

    def __exit__(self, exc_type, exc_val, exc_tb):
        if self.recorder:
            self.recorder.stop()
            self.recorder.release()

    def read(self, size=None):
        read_size = size if size else self.chunk_size
        buf = bytearray(read_size*2)
        self.recorder.read(buf, 0, len(buf))
        return bytes(buf)

# 调用示例
def recognize_speech():
    r = sr.Recognizer()
    with AndroidMicrophone() as source:
        r.adjust_for_ambient_noise(source)
        audio = r.listen(source)
    try:
        result = r.recognize_google(audio, language="zh-CN")
        print("识别结果：", result)
    except Exception as e:
        print("识别失败：", e)

# 注意：录音和识别逻辑必须放在子线程运行，不能阻塞Kivy主线程
Thread(target=recognize_speech, daemon=True).start()

方案2：Audiostream失效常见修复点 #

如果之前用Audiostream无法采集，对照以下项排查即可，不需要额外换库：

• 确认buildozer.spec的requirements里明确添加了audiostream依赖
• 初始化Audiostream时音频参数必须匹配安卓硬件支持范围：采样率选16000Hz/44100Hz，单声道，16位PCM格式，参数不匹配会直接初始化失败
• 必须在用户动态授权录音权限之后再初始化Audiostream，提前初始化会因为权限不足返回空数据
• Audiostream默认采集的是44100Hz采样率数据，需要重采样转成16000Hz再传给SpeechRecognition，否则识别准确率会极低。

注意事项 #

• 所有音频采集、语音识别逻辑不能放在Kivy的主UI线程运行，否则会触发应用无响应（ANR）报错
• 安卓10以上系统如果要保存录音文件，需要额外申请对应存储权限
• 测试必须用真机，安卓模拟器的麦克风驱动普遍存在兼容问题，不能作为功能是否正常的判断依据

内容的提问来源于stack exchange，提问作者DXNI